Destacando valores na distribuição

Às vezes, é necessário manipular seus dados para criar uma visualização melhor. Dois métodos que lidam com valores ausentes são .dropna() e .fillna(). Você também pode remover outliers filtrando entradas acima ou abaixo de um determinado percentil, aplicando uma condição com .quantile() a uma coluna específica.

Você também viu no vídeo como enfatizar um valor específico em um gráfico adicionando uma linha vertical na posição x ao longo dos eixos:

Axes.axvline(x=0, color=None, ...)

Neste exercício, você vai dar uma última olhada na distribuição de renda global, depois remover os outliers acima do 95º percentil, plotar a distribuição e destacar os valores de média e mediana. pandas como pd, seaborn como sns e matplotlib.pyplot como plt já foram importados, e o DataFrame income dos exercícios anteriores está disponível no seu workspace.

Este exercício faz parte do curso

Importing and Managing Financial Data in Python

Ver curso

Instruções do exercício

Atribua a coluna 'Income per Capita' a inc_per_capita.
Filtre para manter apenas as linhas em inc_per_capita que estão abaixo do 95º percentil. Reatribua à mesma variável.
Plote um histograma padrão para a versão filtrada de inc_per_capita e atribua-o a ax.
Use ax.axvline() com color='b' para destacar a média de inc_per_capita em azul,
Use ax.axvline() com color='g' para destacar a mediana em verde. Mostre o resultado!

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# Create inc_per_capita
inc_per_capita = ____

# Filter out incomes above the 95th percentile
inc_per_capita = inc_per_capita[____ < ____]

# Plot histogram and assign to ax
ax = ____

# Highlight mean
ax.axvline(inc_per_capita.mean(), color='b')

# Highlight median
ax.axvline(inc_per_capita.median(), color='g')

# Show the plot
plt.show()

Editar e executar o código